イベント情報

学術情報メディアセンター > イベント情報 > 学術情報メディアセンターセミナー 「教育データ分析アプローチの実際 -トップダウンとボトムアップ-」

学術情報メディアセンターセミナー 「教育データ分析アプローチの実際 -トップダウンとボトムアップ-」

Post date:2017/11/06

京都大学学術情報メディアセンターでは、各分野でご活躍の講師をお招きし、それぞれの研究開発活動の内容や現在抱えている課題についてご紹介いただき、参加者を含めて広く議論を行う機会として、月例セミナーを開催しています。
12月19日の学術情報メディアセンターセミナーでは、木更津工業高等専門学校の大枝真一氏、九州大学の島田敬士氏、放送大学の山田恒夫氏をお招きし、ご講演いただきます。学内外を問わず多数の方のご参加をお待ちしています。

日時 2017/12/19(火)16時30分〜18時00分
会場 京都大学 学術情報メディアセンター南館 2階 202マルチメディア講義室
http://www.kyoto-u.ac.jp/ja/access/campus/yoshida/map6r_ys.html#03
(上記URLのマップ中、93番の建物です)
参加費用 無料
参加申込み 不要
主催 京都大学 学術情報メディアセンター
お問い合わせ 京都大学 学術情報メディアセンター  上田 浩
電話番号:075-753-9051
メール:uep * media.kyoto-u.ac.jp (*を@に変えてください)
プログラム ◆16時30分~17時00分
講演者: 大枝 真一 (木更津工業高等専門学校情報工学科 准教授)
講演題目: 「教育データマイニングによる試験結果からの潜在的スキル構造の抽出」
講演概要: 近年、実用的なITS(Intelligent Tutoring Systems)や、LMS(Learning Management Systems)が普及し、教育現場でeラーニングが活用されている。ITSやLMSによって、学生の試験結果や学習過程のログデータを保存することが容易になった。EDM(Educational Data Mining)では、これら膨大な教育関連のデータから、いかにして意味のある情報を抜き出すかが焦点となる研究分野であり、BigData研究の発展に伴って近年急速に注目されている。
教育機関では、講義後に学生がスキルを修得したことを確認するために試験を行う。スキルが適切に含まれた試験問題が作成されたならば、スキルの修得状況が学生の得点として反映される。では、逆に、ITSやLMSのデータベースに蓄積された膨大な試験結果データから潜在的スキル構造を抽出することはできないだろうか。本講演では、試験結果と学習過程のログデータから、知識を修得するために必要な潜在的スキル構造を抽出する手法について紹介する。

◆17時00分~17時30分
講演者: 島田 敬士 (九州大学大学院システム情報科学研究院 准教授)
講演題目: 「リアルタイム学習分析に基づく講義支援」
講演概要: 九州大学では2014年度より教育ビッグデータを利用した学習分析の研究を進めている。学習管理システムやデジタル教科書システムからは日々22万件を超える学習ログが蓄積され、それらの分析を通して教育改善や学習改善に取り組んでいる。本講演では、これまでの学習分析に関する成果に加え、最新の取り組みであるリアルタイム処理に基づく講義支援について紹介する。

◆17時30分~18時00分
講演者: 山田 恒夫 (放送大学教養学部 教授 ・ 一般社団法人日本IMS協会 理事)
講演題目: 「学習解析と教育情報ビッグデータ:IMS技術標準」
講演概要: 北米に本拠をおくIMS Global Learning Consortiumは、e-LearningやICT教育利用のための技術標準を提案する国際標準化団体である。この数年EDUCAUSEとともに、サイロ化しがちな教育情報システムを連携させたエコシステム、「次世代電子学習基盤」(Next Generation Digital Learning Environments, NGDLE、「LMSの次」)の検討を行っている。
教育情報システムは、学習管理システム(LMS)を中心とする、(学習者の)学習活動の制御と記録を目的とする学習過程マネジメント型システムと、eポートフォリオシステムや学務(教務、校務)システムなど、個人の学習成果や学習履歴を記録・保存する学習履歴ストア型システムに大別される。それぞれのシステムに保存されるデータセット(ログ)は技術的には大差はないが、「パーソナルデータ」である学習成果や学習履歴については、運用上特別な配慮が必要とされる。だれが何の目的でどのデータにアクセス・分析でき、その分析結果をだれがどのように利用できるのか、コミュニティやステークホルダーで合意を形成しておく必要がある(合意形成過程のアウトカムは学習解析(LA)ポリシーなど)。本講演では、学習解析と教育情報ビッグデータに関わるIMS技術標準として、Caliper AnalyticsとOne Rosterの現状を説明するとともに、その実践例について紹介する。
備考 お身体の不自由な方はエレベーターをご利用いただけますので、事務室にお申し付けください。
|
ページトップへ
Copyright © Academic Center for Computing and Media Studies, Kyoto University, All Rights Reserved.